پیش بینی مبتلایان کووید۱۹ در ایران و کشورهای همسایه با استفاده از مدل های ARIMA , LSTM

از زمان شیوع ناگهانی ویروس کرونا (کووید۱۹) در سال ۲۰۱۹، این بیماری به سرعت تبدیل به یک نگرانی مهم در بهداشت جهانی شده است. گسترش سریع بیماری، جهش های مختلف و نبود درمان اختصاصی، اهمیت پیش بینی، تحلیل ریسک و رسیدگی به موقع را برجسته می کند. استفاده از مدل های ریاضی، هوش مصنوعی، داده های بزرگ و روش های شبیه سازی از ابزارهای بسیار موثر در پیش بینی گسترش و اثربخشی راهکارها برای جلوگیری از انتقال بیماری است. در این پژوهش مدل های LSTM و ARIMA برای پیش بینی موارد ابتلای کووید۱۹ در ایران و کشورهای همسایه از ۲۹ ژانویه ۲۰۲۰ تا ۳۰ آوریل ۲۰۲۱، با استفاده از داده های دانشگاه جان هاپکینز، پیاده سازی شده و با یکدیگر مقایسه شده اند. طبق نتایج به دست آمده با استفاده از معیار MSE، مدل های ARIMA وLSTM عملکرد بسیار خوب و نتایج مشابهی در پیش بینی موارد ابتلای جدید داشتند. دولت ها می توانند با استفاده از این مدل ها و پیش بینی موارد ابتلای جدید در راستای ارائه راهکارها و پیشگیری از همه گیری اقدام نمایند